一种基于服务缓存的无人机辅助安全卸载与资源优化方法

摘要: 本发明属于无线通信,具体涉及一种基于服务缓存的无人机辅助安全卸载与资源优化方法。背景技术:1、随着移动通信和物联网技术的快速发展,用户设备(如传感器、智能手机、...
一种基于服务缓存的无人机辅助安全卸载与资源优化方法

本发明属于无线通信,具体涉及一种基于服务缓存的无人机辅助安全卸载与资源优化方法。

背景技术:

1、随着移动通信和物联网技术的快速发展,用户设备(如传感器、智能手机、可穿戴设备等)产生的计算密集型任务急剧增加,而设备自身电池容量和计算能力有限,难以独立完成复杂计算。移动边缘计算(mec)通过将计算资源部署在网络边缘,有效降低了任务处理时延和设备能耗。近年来,无人机(uav)凭借其高机动性、灵活部署和视距通信优势,被广泛用作空中边缘计算节点,可为地面用户提供按需的计算卸载服务,尤其在无地面基站覆盖或应急场景中发挥着重要作用。

2、然而,无人机辅助mec系统面临两大关键挑战。其一,无线信道的广播特性使得用户—无人机链路以及无人机—基站回传链路极易遭受非法窃听者的截获和攻击,传统加密方法在物理层难以根除信息泄露风险,导致安全性能不稳定。其二,无人机携带的缓存空间和计算资源极为有限,若每次卸载都需从基站重复下载所需服务程序,将产生额外的回传时延和带宽占用;同时,无人机的位置部署、功率控制、带宽分配和卸载决策等多维度资源相互耦合,现有方案往往仅单独优化其中若干变量,缺乏联合设计,难以在保障安全的前提下实现系统时延最小化。

3、因此,如何在有限的缓存、计算和通信资源约束下,协同优化服务缓存、卸载策略、发射功率、飞行位置及带宽分配,并同时满足物理层安全速率要求,是当前亟待解决的技术难题。

技术实现思路

1、针对现有技术的不足,本发明的目的在于提供一种基于服务缓存的无人机辅助安全卸载与资源优化方法,解决了现有技术中的问题。

2、本发明的目的可以通过以下技术方案实现:

3、一种基于服务缓存的无人机辅助安全卸载与资源优化方法,应用于包含多个用户设备、无人机、地面基站、窃听者以及干扰机的网络系统中,所述方法包括:

4、获取所述用户设备的计算任务数据,以及所述无人机的可用缓存容量;

5、基于所述计算任务数据和可用缓存容量,构建以最小化用户设备计算任务总时延为目标、并将服务缓存决策、任务卸载决策、发射功率、位置部署及带宽分配作为联合优化变量的资源调度模型;

6、对所述资源调度模型进行交替迭代优化求解,获得全局最优资源调度参数,包括:无人机的全局服务缓存决策、用户设备的全局卸载决策、干扰机的全局发射功率、无人机的全局三维部署位置以及系统全局带宽分配策略;

7、根据所述全局最优资源调度参数,控制所述无人机飞行至所述全局三维部署位置,控制所述干扰机按照所述全局发射功率发送人工噪声,并按照所述全局服务缓存决策、全局卸载决策和系统全局带宽分配策略分配物理资源以处理所述计算任务数据。

8、进一步地,所述用户设备计算任务总时延中包含数据传输时延,所述数据传输时延的判定逻辑配置为:

9、若所述无人机预先缓存了执行所述计算任务数据所需的服务程序,则所述数据传输时延为将所述计算任务数据从所述用户设备上传至无人机的接入链路传输时延;

10、若所述无人机未预先缓存所述服务程序,则控制所述无人机利用正交频段并行执行数据传输任务,使得所述无人机在接收用户设备上传的计算任务数据的同时,通过回传链路从所述地面基站下载所述服务程序;此时的所述数据传输时延取所述接入链路传输时延与所述回传链路传输时延二者中的最大值。

11、进一步地,所述资源调度模型包含物理层安全速率约束;为满足所述物理层安全速率约束,由所述干扰机发送人工噪声以降低所述窃听者的窃听信道质量。

12、进一步地,所述资源调度模型为:

13、

14、其中,变量来表示无人机对服务程序的缓存决策,即表示其缓存了服务程序;用户设备的卸载决策为,其中,表示设备执行本地计算,表示设备将任务卸载至uav上进行计算;表示无人机上服务器分配给设备的计算资源,是干扰机的发射功率,无人机位置坐标为,是设备与无人机之间传输带宽;所有服务程序的集合为,每个程序大小为,其中,表示设备的计算任务需要服务程序,表示无人机的缓存容量;和分别是设备到无人机以及地面基站到无人机的最小安全速率要求,是从设备到无人机的安全速率,是基站到无人机的安全速率;表示无人机的计算资源总和,表示干扰机的最大输出功率,表示系统总带宽,和表示无人机的服务范围限制;约束条件表示无人机缓存的服务程序大小总和不能超过无人机的最大存储容量;约束条件表示用于处理用户设备计算任务的总计算资源不能超过无人机的计算资源;约束条件表示设备到无人机的传输带宽限制;约束条件和表示安全速率的限制;约束条件是相关变量可行域的限制。

15、进一步地,对所述资源调度模型进行交替迭代优化求解,获得全局最优资源调度参数的步骤包括:

16、s31,将所述资源调度模型分解为四个存在变量耦合的子问题,四个所述子问题分别为:无人机缓存决策与用户设备卸载决策子问题、干扰机发射功率问题、无人机位置部署与资源分配子问题、以及用户带宽分配子问题;

17、s32,在固定其他三个子问题参量不变的条件下,依次求解单个子问题,并将求得的局部最优解作为下一个子问题的初始设定参量代入;

18、s33,循环执行s32的交替求解过程,直至达到预设的收敛条件,并输出收敛时的参量集合作为所述全局最优资源调度参数。

19、进一步地,其特征在于:

20、所述无人机缓存决策与用户设备卸载决策子问题定义为:

21、

22、所述干扰机发射功率优化子问题定义为:

23、

24、其中,为常数;

25、所述无人机位置部署与资源分配子问题定义为:

26、

27、其中,是常数;

28、所述用户带宽分配子问题定义为:

29、

30、其中,为常数。

31、进一步地,求解四个子问题的方式分别为:

32、采用分支定界法求解无人机缓存决策与用户设备卸载决策子问题;

33、利用连续凸逼近的方法求解干扰机发射功率优化子问题;

34、利用连续凸逼近的方法求解无人机位置部署与资源分配子问题;

35、利用凸优化理论证明问题的凸性,并用求解器求解用户带宽分配子问题。

36、进一步地,所述预设的收敛条件包括以下任意一项:

37、当前交替求解的循环迭代次数大于预设的最大迭代次数阈值;

38、当前迭代轮次求得的所述计算任务总时延数值与上一迭代轮次求得的计算任务总时延数值之间差值的绝对值小于预设的精度阈值。

39、一种基于服务缓存的无人机辅助安全卸载与资源优化装置,执行上述的方法,包括:

40、数据获取模块:获取所述用户设备的计算任务数据,以及所述无人机的可用缓存容量;

41、调度模型构建模块:基于所述计算任务数据和可用缓存容量,构建以最小化用户设备计算任务总时延为目标、并将服务缓存决策、任务卸载决策、发射功率、位置部署及带宽分配作为联合优化变量的资源调度模型;

42、调度模型求解模块:对所述资源调度模型进行交替迭代优化求解,获得全局最优资源调度参数,包括:无人机的全局服务缓存决策、用户设备的全局卸载决策、干扰机的全局发射功率、无人机的全局三维部署位置以及系统全局带宽分配策略;

43、控制模块:根据所述全局最优资源调度参数,控制所述无人机飞行至所述全局三维部署位置,控制所述干扰机按照所述全局发射功率发送人工噪声,并按照所述全局服务缓存决策、全局卸载决策和系统全局带宽分配策略分配物理资源以处理所述计算任务数据。

44、一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;

45、所述存储器用于存放至少一条可执行指令,所述可执行指令使所述处理器执行如上述的种基于服务缓存的无人机辅助安全卸载与资源优化方法对应的操作。

46、本发明的有益效果:

47、1、本发明在通信系统中引入了独立的干扰机辅助节点,通过控制该干扰机向网络环境中发送人工噪声干扰信号;从物理层改变了电磁传输环境,主动恶化了窃听者的信道接收质量,降低了窃听端的信噪比;因此,在不影响合法链路正常通信的前提下,有效扩大了合法链路与窃听链路之间的可达速率差值,使得系统能够稳定满足预设的最小安全保密速率约束,切实提升了多用户任务卸载过程中的信息传输安全性。

48、2、本发明采用了无人机边缘服务缓存机制,允许无人机在有限的最大存储容量内预先缓存部分高频服务程序;同时,在未命中缓存的情况下,利用正交频段并行机制,使无人机在接收用户设备任务数据的同时,从地面基站回传下载缺失的服务程序;避免了对基础程序的重复下载,且通过并行传输合并了通信等待窗口,从而有效缩减了数据在链路上的滞留时间,实现了最小化多用户设备任务完成总时延的优化目标。

49、3、针对包含离散决策变量(缓存与卸载)和连续变量(功率、位置、带宽)且相互强耦合的混合整数非线性规划(minlp)问题 ,本发明提出了一种四步交替优化的求解方案;利用辅助变量替换将乘积项转化为混合整数线性问题并使用分支定界法求解;同时引入距离平方中间项并利用一阶泰勒展开构建速率函数的凹下界,配合连续凸逼近(sca)技术处理无人机位置部署的非凸性;通过将原本难以直接计算的全局优化问题降维分解为多个可解的凸优化子问题,保障了运算过程的数学严密性,使得系统能够稳定迭代并输出高质量的全局最优资源调度参数。